ÉSZREVÉTELEK AZ IDŐSORELEMZÉSI MÓDSZEREK ALKALMAZÁSÁVAL KAPCSOLATOS KÉRDÉSEKHEZ

Átírás

1 VITA ÉSZREVÉTELEK AZ IDŐSORELEMZÉSI MÓDSZEREK ALKALMAZÁSÁVAL KAPCSOLATOS KÉRDÉSEKHEZ BAUER PÉTER FÖLDESI ERIKA Mint a szezonális kiigazítással a Központi Statisztikai Hivatalban (KSH) matematikai statisztikai szempontból foglalkozó szakértők, úgy véljük, nem mulaszthatjuk el, hogy a Statisztikai Szemle júliusi számában ( old.) megfogalmazott kérdésekre megkíséreljünk választ találni. Mindenekelőtt szeretnénk köszönetet mondani Friss Péternek, amiért felvetette ezeket a kérdéseket, hiszen biztosak vagyunk abban, hogy a szezonálisan kiigazított adatok felhasználói közül nem ő az egyetlen, aki ezeken a problémákon elgondolkodik, és választ próbál keresni ezekre és hasonló kérdésekre. A KSH 2002 januárjától vezette be a szezonális kiigazítás új, egységes módszerét, aminek menetét a Statisztikai mintavételi és módszertani osztály koordinálja: 1 a felmerülő módszertani kérdésekkel, valamint az évenkénti modell- és paraméterrögzítésekkel az osztály munkatársai foglalkoznak, az év közbeni kiigazítás és a publikálás a szakfőosztályok feladata. Az új módszer sok mindenben különbözik a korábbitól, ezért érdemes átgondolni, hogy az adatok közlésénél mi felel meg legjobban a felhasználók igényeinek. Alapvető probléma azonban, melyet kollégánk befejezésként felvet, hogy jelenleg nem sokat tudunk arról, kik és milyen formában használják a kiigazított adatokat. Sajnos a szakfőosztályokhoz erről nem érkezik visszajelzés, ezért mi, akik matematikai statisztikai szempontból vizsgáljuk az idősorokat, válaszainkat is a módszertan oldaláról közelítjük meg. A visszajelzések hiányának több oka is lehet. Ha optimisták vagyunk, úgy tekinthetjük, hogy a jelenlegi tájékoztatási gyakorlattal a végfelhasználók elégedettek, de valószínűleg nem erről van szó. Nézzünk néhány általunk ismert példát a közölt adatok felhasználásáról! Az ECOSTAT egyváltozós, rövid távú elemzései a KSH által szezonálisan kiigazított adatokon alapulnak, 2 és a szezonálisan kiigazított adatokra a teljes vizsgált időszakra visszamenőleg szükségük van. A Magyar Nemzeti Bank (MNB) a KSH adatai közül 1 A módszertani váltást és 2002 szeptemberéig a szezonális kiigazítást Berki Natália és Fábián László koordinálta, 2002 szeptemberétől a koordinációs tevékenységet Bauer Péter és Földesi Erika végzik. 2 Cserháti Ilona Keresztély Tibor Takács [2003]: Kvantitatív elemzési és előrejelzési módszerek alkalmazása az ECOSTAT-ban. Statisztikai Szemle. 81. évf. 9. sz old. Statisztikai Szemle, 81. évfolyam, szám

2 VITA 827 többnyire csak az alapadatokat veszi át. Korábban a Havi jelentésekben 3 közölt adatoknál a szezonális kiigazítást a banki munkatársak végezték el (például az ipari termelés esetében a májusi Havi jelentésben), annak ellenére, hogy a KSH új szezonális kiigazítási gyakorlatának kialakításakor teljes mértékben figyelembe vettük az MNB gyakorlatát (amely egybeesik az Eurostat ajánlásaival). A gazdasági újságírók leggyakrabban a KSH által megjelentetett hírek alapján írják meg cikkeiket, melyekben nem bocsátkoznak a szezonálisan kiigazított adatok mélyebb értelmezésébe. Ezekből a rövid példákból is látható, hogy felhasználóink sokféleképpen viszonyulnak adatainkhoz, így elég nehéz megtalálni a legmegfelelőbb tájékoztatási struktúrát, elveket. Mielőtt a kérdésekre rátérnénk, tekintsük át röviden, elhagyva a matematikai részleteket, a szezonális kiigazítás KSH-ban alkalmazott gyakorlatát. A módszer az ún. Tramo/Seats, amely az Eurostat ajánlása, ugyanezt a módszert alkalmazza több más ország statisztikai hivatala, illetve az MNB is. A Tramo/Seats módszertan részletes leírása megtalálható Sugár András szezonális kiigazítással foglalkozó tanulmányának második részében. 4 A KSH-ban jelenleg évente egyszer, az év első adatának publikálása előtt, modell- és paraméterrögzítés történik, és ezek a paraméterek az év során csak indokolt esetben változhatnak. A tapasztalatok azt mutatják, hogy így az új alapadatok figyelembevételével a korábbi időszakra vonatkozó szezonálisan kiigazított adatok néhány hónap alatt nagyobb mértékben módosulnak, de utána nagyjából azonos szintre állnak be. Abban az esetben azonban, ha év közben a paraméterek módosulnak ennek oka az alapadatokban bekövetkezett visszamenőleges módosítás (revízió) lehet, vagy az, hogy az újonnan beérkező adat hatására kiderül, hogy a korábban rögzített modell nem felel meg a feltételeknek a kiigazított értékekben bekövetkező módosulás akár több évre visszamenőleges is lehet. A módosulások mértékével kapcsolatosan a KSH Statisztikai mintavételi és módszertani osztályán jelenleg folyik egy vizsgálat, melynek eredményeiről a későbbiekben szándékunkban áll beszámolni a Statisztikai Szemle hasábjain. A következőkben Friss Péter részben szó szerint idézett kérdéseit igyekszünk megválaszolni, elismerve, hogy a hétköznapi gyakorlatból kiinduló, józan ésszel gondolkodó felhasználó számára ezek a válaszok nem mindig megnyugtatók. 1. Kérdés: az adatfelhasználók igényeinek megfelelő-e az a módszer, ha egy szezonálisan korrigált adatsor minden egyes kiegészítése során a teljes idősort visszamenőlegesen módosítják? A kiskereskedelmi forgalom idősorában bekövetkezett nagy mértékű módosulásnak a korábban említett év közbeni modellváltás volt az oka, amint erre Friss Péter is utalt. 5 A szeptember havi futtatáskor ugyanis a program visszautasította a kiigazítást, ezért azt új beállításokkal meg kellett ismételni. Már a korábbi futtatásokkor is látszott a program ál- 3 Az MNB Havi jelentések utolsó száma a 2002 májusában jelent meg. Ezt követően a kiadványt nem jelentették meg ( ). 4 Sugár András [1999]: Szezonális kiigazítási eljárások (II.), Statisztikai Szemle. 77. évf sz old. 5 Friss Péter[2003]: Egy kérdés kiegészítése. Statisztikai Szemle. 81. évf. 8. sz old., valamint Kiss Virág [2003]: Áttekintés az idősorok szezonális kiigazítási módszereiről, különös tekintettel a havi kiskereskedelmi forgalom volumenindexének kiigazítására. Gazdaság és Statisztika. 15. (54.) évf. 3. sz old. A cikkben Kiss Virág röviden bemutatja az idősorelemzés alapvető technikáit és a szezonális kiigazítás legelterjedtebb módszereit. A második részben részletesen foglalkozik a KSH-ban alkalmazott szezonális kiigazítási gyakorlattal, külön kitérve a kiskereskedelmi idősorokra. Bemutatja a 2002 előtt alkalmazott módszereket, majd elemzi a 2002 utáni módszert és a futtatások eredményeit. Zárásként röviden összefoglalja az Eurostat kiskereskedelemre és szezonális kiigazításra vonatkozó előírásait, ajánlásait.

3 828 VITA tal közölt diagnosztikák alapján, hogy az adatok nem úgy alakulnak, ahogyan az 1991 és 2001 közötti időszak adatai alapján a program ezt feltételezte, ezért egy új modell választásával oldottuk meg a problémát. A szakfőosztály a modellváltásra a szeptemberi adatokat tartalmazó gyorstájékoztató 6 módszertani részében felhívta a felhasználók figyelmét. A jövőben esetleg szerencsésebb lenne, ha nemcsak a módszertani részben történne a változások magyarázata, hanem az adatsor mellett is megjelenne egy rövid utalás a modellváltásra. A KSH-ban régen alkalmazott gyakorlat volt, hogy egész évre rögzítették a szezonalitás mértékét és az új évvel ezt frissítették, de visszamenőlegesen nem történt módosítás. Ez a két év adatai közötti összehasonlíthatóságot rontotta, valamint év közben nem vette figyelembe a szezonalitásnál az új adatok hatását. A jelenleg alkalmazott gyakorlatban az évenkénti modell- és paraméterrögzítés biztosítja azt, hogy az év közbeni módosítás mértéke lehetőség szerint kicsi legyen. Helyette alkalmazható olyan eljárás is, ahol időszakonkénti (havi vagy negyedéves) modell- és paraméterváltoztatásra kerül sor, de ennél a módszernél nagyobb a revízió hatása. A rendelkezésre álló homogén magyar idősorok meglehetősen rövidek, valamint a gazdasági és társadalmi folyamatok alakulása az elmúlt évben nem tekinthető egyenletesnek. Ez is okozhatja, hogy a kiigazított adatokban bekövetkező revízió mértéke viszonylag nagy, különösen az idősor utolsó értékeinél. A kiigazított idősor visszamenőleges módosítása, vagyis a revízió szükséges. Lehet, hogy jelenléte zavaró és kényelmetlen, de elmulasztása lényeges információk visszatartását, a javíthatóság elutasítását jelentené. A módosításnak két lényeges eleme van: egyrészt a nagysága, azaz, hogy a már közölt adat mekkorát változik, másrészt a tartama, ami azt jelenti, hogy hány adat változik meg. A kettő között gyakori a kölcsönhatás: ha a revízió nagysága nagy, akkor a tartama rövid, ha a nagyság kicsi, akkor a tartam hosszú. A revízió természetét az adott idősor struktúrája erősen befolyásolja. 2. Kérdés: a visszamenőlegesen módosított adatok esetén mi tükrözi inkább a valóságot? Mindig a legfrissebb kiigazítással kapott idősor adatait kell a valóságot leghűbben tükröző adatoknak tekinteni, mert így használjuk fel a rendelkezésre álló legtöbb információt. Az idősor két végétől távolabb (2-3 év) levő adatok stabilabbak, mint a két végén elhelyezkedők. A szezonalitásban bekövetkezett kisebb változásokat, azaz a mozgó szezonalitást a használt kiigazítási módszer kezeli. Az alapadatok idősorában bekövetkezett, outlierrel nem jellemezhető alapvető strukturális változás esetén nem egyszerűen a kiigazított adatok viszszamenőleges módosításának elhagyására van szükség, hanem az alapadatok idősorát csonkítani kell, mert az eredeti, nem homogén idősorra nem illeszthető egységes modell. 3. Kérdés: helyes-e, ha egy szezonálisan korrigált adatsor legutolsó néhány adata alkalmanként jelentősen módosul? A felhasználókat valóban megzavarhatja, ha az utolsó néhány adat jelentősen módosul. Azonban ezt a változást ahogy Friss Péter is említi gyakran nem a kiigazítás okozza, hanem már az alapadatokban jelentős módosítás történik. 7 Ennek a mértéke rendszerint lényegesen nagyobb, mint amekkorát a kiigazítás okoz. 6 Kiskereskedelem. Gyorstájékoztató. Központi Statisztikai Hivatal január szeptember. 4. old. 7 Az alapadatokban bekövetkezett revízió hátterében a pontosság és a gyorsaság egymásnak ellentmondó követelménye húzódik. A felhasználók által elvárt rövid határidőn belül rendszerint nem áll a Hivatal rendelkezésére az adatoknak olyan teljes köre (gyakran az adatszolgáltatók késése miatt), amely alapján nagy pontosságú statisztika publikálható. Az így közölt pontatlanabb statisztika az információk bővülésével javítható és javítandó.

4 VITA 829 A kiigazítás okozta módosulás az utolsó adatokban különösen nagy lehet, ha az idősor végén outlier jelenik meg, ugyanis matematikai statisztikai szempontból az ilyen outlierek típusa bizonytalan, hiszen csak a későbbi adatok ismeretében derül ki, hogy a hatás egy (additív outlier), néhány (csillapodó jellegű törés) vagy az összes további adatra (szinteltolódás) vonatkozik-e. Tehát az új adatok beérkezésével az outlier típusa változhat, ami az utolsó kiigazított adatok változását vonja maga után. Ennek elkerülésére hasznos, ha szakértői információ van az idősorra gyakorolt közgazdasági (vagy egyéb, például időjárási) hatásokról, és így az outlier típusa ennek megfelelően (természetesen matematikai statisztikai szempontból is tesztelve) rögzíthető. 4. Kérdés: helyes-e, ha a korrigált adatok az előző év azonos időszakához képest szignifikánsan más képet mutatnak, mint a nem korrigált adatok ugyanilyen viszonyításban? A nem korrigált adatokra vonatkozó időszak/előző év azonos időszaka típusú mutatókat elsősorban azért használják/használták, hogy az idősorban meglevő szezonalitást kiszűrjék. Ez a módszer azonban több szempontból is tökéletlen: 1. nem veszi figyelembe a munkanapok hatását, vagyis azt a tényt, hogy az adott időszak (rendszerint hónap) munkanapjainak száma különböző években más és más, és ez a havi adat nagyságát befolyásolja; 2. nem veszi figyelembe azt, hogy a szezonalitás változhat, azaz nem számol a mozgó szezonalitással; 3. az időszak/előző év azonos időszaka mutató idősorában történő változásoknál nem lehet tudni, hogy az adott időszakban történt-e a változás vagy az előző év azonos időszakában. Ezeket a problémákat a szezonális kiigazítás megoldja. Emiatt nem várható, hogy a korrigálatlan és a szezonálisan kiigazított adatokra vonatkozó időszak/előző év azonos időszaka mutató megegyezzen. A korrigálatlan adatokkal képzett mutató közlése azzal indokolható, hogy ez a felhasználók által elfogadott, valamint a mutató képzése jóval egyszerűbb, átláthatóbb, mint a szezonális kiigazítás. A szezonálisan kiigazított adatokra viszont ennek a mutatónak a közlése nem indokolt: egyrészt a korrigálatlan adatokra kapott értéktől való eltérés nem hordoz a legtöbb felhasználó számára értékelhető információt, inkább csak zavaró hatása lehet, másrészt nincs is rá szükség, hiszen a szezonális hatások kiszűrését már elvégeztük. 5. Kérdés: elmagyarázható-e a felhasználónak, hogy a szezonálisan kiigazított idősor nem a trendvonal körül ingadozik (azért, mert a szezonálisan kiigazított idősort korrigálták az outliernek tekintett adatok miatt)? a) Kell-e a kettőt együtt közölni? b) Egyáltalán közölhető-e magyarázat nélkül a szezonálisan kiigazított idősor? A trend a hosszú távú tendenciák leírására szolgál, míg a szezonálisan kiigazított adatok a folyamatok rövid távú jellemzésére. A szezonális kiigazításnál figyelembe vett három outliertípus közül az additív outlier (egyetlen kiugró időszak) és a csillapodó jellegű törés nem kerül be a trendbe, de ez indokolt is, hiszen ezek rövid távon változtatják az idősor lefutását. A szinteltolódás, amely hosszú távon befolyásol, viszont belekerül a trendbe. A két adat együtt közlése véleményünk szerint indokolt, hiszen ebben az esetben látható, hogy a rövid és a hosszú távú hatások egymáshoz képest hogyan befolyásolják az idősor alakulását. Az idősorban megjelenő outliereket mindenképpen célszerű lenne közgazdaságilag magyarázni, hiszen a felhasználó számára is könnyebben elfogadható a trend és a szezo-

5 830 VITA nálisan kiigazított adatsor elválása, ha ennek okát is ismeri. Ugyanakkor a szezonális kiigazítás elvégzésének megkönnyítése érdekében is hasznos, ha ismerjük az outlierek mögött álló gazdasági folyamatokat, hatásokat. A trenddel kapcsolatos problémák egyik gyökere lehet, hogy a trend meghatározásában mindenki mást ért a hosszú távú viselkedésen. A trend simaságára vonatkozó elvárások felhasználónként változhatnak. Ebben a tekintetben a matematikai statisztikai módszerek alkalmazása sem jelent segítséget, mivel a modellválasztással befolyásolható a trend simasága, úgy, hogy eközben a szezonálisan kiigazított adatsor lényegében változatlan marad. 6. Kérdés: hol a határ a tényközlés, és a modellalkotó véleményének közlése között? Vajon ez az eljárás nem sérti-e a statisztikai hivatalok semlegességének alapelvét, és azt az elvet, hogy a hivatal a nyilvánosság számára teljes egészében átlátható módszerekkel, szubjektív belenyúlás nélkül állítja elő adatait? A semlegességet valóban az átlátható módszerek alkalmazása biztosítja, véleményünk szerint a szezonális kiigazításnak a KSH-ban alkalmazott gyakorlata ilyen, hiszen a módszer, a szoftver és az alapadat is nyilvános és bárki számára használható. Bár a kiigazításnál használt paraméterek publikációja a legtöbb idősornál nem megoldott, illetve az erre való igényt a felhasználók a szakfőosztályokon nem jelezték, de van arra lehetőség, hogy a szakértőktől az érdeklődő felhasználók megkapják a paraméterekre vonatkozó információt is. A szezonális kiigazításhoz szükség van a matematikai statisztikai módszerek és a szakfőosztályokon meglevő szakértői tudás együttes alkalmazására, mivel az idősorból kiszűrendő szezonális hatás absztrakt fogalom: közvetlenül nem megfogható, nem megfigyelhető. Általában elmondható, hogy az idősorelemzéshez mindenképpen szükség van bizonyos előfeltevésekre, modellezésre, mivel itt nincs mód több független mintát venni, mint ahogyan a statisztika más területein; itt csak egy idősorunk van. Ezen előfeltevésekhez célszerű felhasználni az idősorról rendelkezésre álló összes szakértői információt. Ezért a szezonális kiigazítás legalább is jelenleg nem automatizálható teljesen, illetve teljes automatizálása, jól lehet tökéletesen semleges megoldás lenne, tévútra vihet. Mindenesetre a szezonális kiigazítási módszerek fejlesztése a mind teljesebb automatizálást célozza. Speciálisan az outlierekről: az idősorban jelentkező outlierek szűrése feltétlenül szükséges, ennek elhagyása erős torzítással járna. Ezen outlierek felismerésénél, típusának azonosításánál azonban a rendelkezésre álló matematikai algoritmusok mellett, mivel rendszerint több matematikai statisztikai szempontból elfogadható modell alkalmazható, segítséget jelent az outlierek szakismereti magyarázata. 7. Kérdés: helyes-e (az előrejelzésektől eltekintve) a trendvonalat amely valamilyen módon átlagolja az idősor értékeit, és a hosszú távú tendenciák jelzésére szolgál az utolsó adatpontig elvezetni, azt a látszatot keltve, hogy ez az adatsor egyenszilárd, vagyis az utolsó adat épp olyan robusztus, mint az idősor közepén levő? A tapasztalat valóban azt mutatja, hogy a trendnek nem is az értékei, hanem inkább a lefutása az idősor végén jelentősebben változhat (ezt a jelenséget szokás csapkodó farok wagging tail-effektusnak nevezni). Ez a változás akár konjunkturális elemzésre is felhasználható. 8 A 3. kérdésre adott válaszban már említettük az idősor végén jelentkező 8 Ferenczi B. Jakab M. Zs. (szerk.): Kézikönyv a magyar gazdasági adatok használatához old.

6 VITA 831 outliereket, ezek típusának változása a trendet még erősebben érinti, mint a szezonálisan kiigazított idősort. A trend publikációjának szempontjából a nemzetközi gyakorlat távolról sem egységes. A trend teljes hosszúságú közlésére, közlésének elhagyására, utolsó néhány értékének elhagyására, valamint az utolsó néhány érték folytonos vonal helyett ponttal jelölésére is van példa. Amennyiben a felhasználókat megfelelően tájékoztatják, valamennyi megoldás megfelelő lehet, kivéve a trend közlésének teljes elhagyását, mivel véleményünk szerint a trendadatokra igény van. Az idősorelemzés módszereinek megértése a felhasználók széles körétől valóban nem várható el. Az eredmények elemi értelmezéséhez szükséges magyarázatok közlésével azonban ez a probléma véleményünk szerint áthidalható. Az ilyen típusú magyarázatok nélkül azonban nemcsak a szezonálisan kiigazított adatok értelmezhetetlenek, hanem mindenfajta statisztikai adat. A KSH Statisztikai mintavételi és módszertani osztályán készül egy új kiadvány, amely bemutatja a jelenleg alkalmazott szezonális kiigazítási módszereket, bemutatva közöttük a KSH-ban alkalmazott Tramo/Seats eljárást, ezen felül pedig a év elején a Hivatalban bekövetkezett módszertani váltást, annak hátterét és eddigi tapasztalatait. Reméljük, hogy ez a kiadvány is támogatja a felhasználókat, hogy jobban megértsék a szezonális kiigazítás módszertanát, és az elemzések elkészítéséhez is segítséget nyújt.